摘要
本研究致力于比较机器学习算法在经典计算与量子计算范式下的性能表现。特别地，以支持向量机（Support Vector Machine, SVM）为例，我们系统考察了经典SVM与运行于量子硬件上的量子支持向量机（Quantum Support Vector Machine, QSVM）在Iris数据集上的分类能力。研究采用Qiskit库构建并执行了大量实验，并结合超参数优化策略。结果表明，在特定场景下，QSVM能够实现与经典SVM相媲美的分类精度，尽管当前的运行时间仍较为冗长。此外，本文强调，提升量子计算能力以及增强并行计算规模，将显著改善量子机器学习算法的整体性能。本研究为理解当前量子时代机器学习应用的发展现状及其未来潜力提供了重要洞见。Colab链接：https://t.ly/QKuz0